發(fā)布時間：2018-11-18 14:44

【摘要】：近年來,海灣戰(zhàn)爭及911恐怖襲擊、馬航MH370失聯(lián)等國際事件暴露出的空防情報不共享、提供目標(biāo)屬性不明確、航跡不連續(xù)、態(tài)勢評估不準(zhǔn)確等問題,嚴(yán)重影響了戰(zhàn)爭行動和反恐作戰(zhàn)。我軍受指揮關(guān)系、武器性能、地理遮蔽、編制體制等條件約束,不同程度地存在著上述問題,因此,從2010年開始,重點加強了對空防雷達網(wǎng)絡(luò)情報系統(tǒng)的研究和建設(shè)。本論文所研究的課題,系作者從事幾十年雷達情報系統(tǒng)建設(shè)與保障維護工作基礎(chǔ)上,結(jié)合工作實踐經(jīng)驗所做的創(chuàng)新和探索。課題重點研究了空防雷達網(wǎng)絡(luò)系統(tǒng)在多傳感器信息融合中的優(yōu)化布站、目標(biāo)識別、目標(biāo)跟蹤、威脅評估等關(guān)鍵技術(shù),探討了有關(guān)技術(shù)的改進問題,并在工作實際中進行了應(yīng)用。課題的研究較好地發(fā)揮了多傳感器信息融合技術(shù)在空防雷達網(wǎng)絡(luò)中的作用,提高了空防雷達網(wǎng)絡(luò)系統(tǒng)整體作戰(zhàn)性能。論文以實現(xiàn)空防雷達網(wǎng)絡(luò)系統(tǒng)的布站優(yōu)化,改進異類傳感器信息融合的目標(biāo)識別,完成被動傳感器的目標(biāo)跟蹤,以及分析空防威脅評估為目標(biāo),主要基于蟻群算法(ant colony optimization, ACO)、模糊神經(jīng)網(wǎng)絡(luò)、高斯-厄密特濾波(Gauss-Hermite filtering, GHF)、貝葉斯網(wǎng)絡(luò)(Bayesian networks, BN)等信息融合理論及方法,對空防雷達網(wǎng)絡(luò)系統(tǒng)的布站優(yōu)化、目標(biāo)識別、目標(biāo)跟蹤、威脅評估等展開研究及實踐應(yīng)用。論文首先歸納了多傳感器信息融合的特點和基本定義。描述了信息融合的系統(tǒng)模型和主要算法,異類傳感器系統(tǒng)可以實現(xiàn)信息互補,避開各自缺點,但融合復(fù)雜,沒有統(tǒng)一方法：被動傳感器本身不發(fā)射信號,具有較強的生存能力和反隱身能力。其次,基于雷達網(wǎng)絡(luò)布站方案及優(yōu)化方法,實地搭建了空防雷達網(wǎng)絡(luò)系統(tǒng)平臺。研究了基于ACO算法的雷達網(wǎng)絡(luò)布站方案,提出了基于參數(shù)優(yōu)選演進的優(yōu)化布站方法,仿真得到了較好的布站方案；進行了實地勘察,完成了空防雷達網(wǎng)絡(luò)系統(tǒng)的實地搭建,驗證了理論方法的正確性和可操作性。再次,研究了空防雷達網(wǎng)絡(luò)系統(tǒng)基于異類傳感器信息融合的目標(biāo)識別改進問題。討論了基于3種異類傳感器構(gòu)建異類傳感器信息融合系統(tǒng),研究了特征層基于模糊神經(jīng)網(wǎng)絡(luò)的改進聚類中心選擇方法和決策層改進D-S證據(jù)組合矛盾沖突解決方案；對四批四架飛機日標(biāo)進行了偵測,得到了目標(biāo)特征參數(shù),進行了仿真實驗,完成了空防雷達網(wǎng)絡(luò)系統(tǒng)對空中目標(biāo)融合識別的改善。之后,基于多被動傳感器系統(tǒng),討論了空防雷達網(wǎng)絡(luò)純方位多目標(biāo)跟蹤融合方法。分析了被動雷達純方位條件下基于高斯-厄密特濾波(Gauss-Hermite filtering, GHF)的目標(biāo)航跡關(guān)聯(lián)更新方法,利用目標(biāo)先驗信息計算得到全體觀測與目標(biāo)的可行劃分；基于空防雷達網(wǎng)絡(luò)系統(tǒng),對兩批兩架飛機目標(biāo)進行了純方位被動跟蹤關(guān)聯(lián),并對關(guān)聯(lián)結(jié)果進行了比較。最后,結(jié)合空防雷達網(wǎng)絡(luò)系統(tǒng)對多種情況下的敵機威脅等級進行了評估分析。給出了威脅評估的數(shù)學(xué)描述,建立了模糊動態(tài)貝葉斯網(wǎng)絡(luò)(fuzzy dynamic Bayesian networks, FDBN)模型,對兩批兩架飛機目標(biāo)進行了模擬空戰(zhàn)的雷達偵測,并通過計算機仿真給出了基于模糊動態(tài)貝葉斯網(wǎng)絡(luò)的威脅評估(threat assessment using fuzzy dynamic Bayesian networks, TAFDBN)推理過程,以及FDBN靈敏度計算,研究結(jié)果擴展了空防雷達網(wǎng)絡(luò)系統(tǒng)的作戰(zhàn)應(yīng)用。
[Abstract]:In recent years, the air-raid information that has been exposed by international events such as the Gulf War and the September 11 terrorist attacks and the Malaysia Airlines flight MH370 is not shared, and the problems such as the unclear target attribute, the non-continuity of the track, the inaccurate situation assessment and the like are provided, and the war operation and the counter-terrorism operation are seriously affected. As a result, the research and construction of the airborne anti-radar network information system has been strengthened in the beginning of 2010. The subject of this thesis is the innovation and exploration of the author's work experience in the construction and maintenance of radar information system for several decades. This paper focuses on the key technologies such as the optimization of the air defense radar network system in the multi-sensor information fusion, the target recognition, the target tracking and the threat assessment, and discusses the improvement of the related technologies and the application in the practice. The research on the problem of multi-sensor information fusion plays an important role in the anti-radar network, and the overall operational performance of the airborne radar network system is improved. Based on ant colony optimization (ACO) and fuzzy neural network, the paper is based on ant colony optimization (ACO) and fuzzy neural network. The information fusion theory and method of Gauss-Hermite filtering (GHF) and Bayesian networks (BN) are used to research and practice the optimization, target recognition, target tracking and threat assessment of the airborne radar network system. The paper first summarizes the characteristics and the basic definition of multi-sensor information fusion. The system model and the main algorithm of the information fusion are described. The heterogeneous sensor system can realize the information complementation and avoid the respective disadvantages, but the fusion is complex and there is no uniform method: the passive sensor does not transmit the signal itself, and has strong survivability and anti-stealth capability. Secondly, the airborne radar network system platform is built on the ground based on the radar network fabric station scheme and the optimization method. This paper studies the radar network fabric station scheme based on the ACO algorithm, and puts forward the optimized cloth station method based on the parameter optimization evolution. The simulation results in the better cloth station scheme. The field investigation is carried out, and the field construction of the air defense radar network system is completed. and the correctness and the operability of the theoretical method are verified. Thirdly, the target recognition improvement problem based on the heterogeneous sensor information fusion is studied. This paper discusses the construction of heterogeneous sensor information fusion system based on three kinds of heterogeneous sensors, and studies the improved clustering center selection method and decision-making level improvement of D-S evidence combination conflict resolution solution based on the fuzzy neural network. The target characteristic parameters are obtained, and the simulation experiment is carried out, and the improvement of the air target fusion recognition by the air defense radar network system is completed. Then, based on the multi-passive sensor system, the method of multi-target tracking and fusion of the pure azimuth of the airborne radar is discussed. The target track correlation updating method based on the Gaussian-Hermite filtering (GHF) under the pure azimuth condition of the passive radar is analyzed, and the feasible division of the whole observation and the target is obtained by using the prior information of the target, and the method is based on the air defense radar network system, A pure-orientation passive tracking association for two aircraft targets is carried out, and the correlation results are compared. Finally, the threat level of the enemy aircraft under various conditions is analyzed and analyzed in combination with the airborne radar network system. The mathematical description of the threat assessment is given, and the fuzzy dynamic Bayesian network (FDBN) model is established, and the radar detection of the two aircraft targets is simulated. The reasoning process of the threat assessment (TAFDBN) based on the fuzzy dynamic Bayesian network and the sensitivity calculation of the FDBN are given by computer simulation. The results of the research extend the operational applications of the airborne radar network system.
【學(xué)位授予單位】：東北大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2014
【分類號】：TN959;TP202

【相似文獻】

相關(guān)期刊論文 前10條

1 韓艷春;李智蘭;曾憲文;;目標(biāo)識別與分類方法[J];軍事通信技術(shù);2003年01期

2 楊建勛,史朝輝;基于模糊綜合函數(shù)的目標(biāo)識別融合算法研究[J];火控雷達技術(shù);2004年04期

3 李彥鵬,施福忠,黎湘,莊釗文;基于模糊綜合評判的目標(biāo)識別效果評估[J];計算機應(yīng)用研究;2005年03期

4 左崢嶸,張?zhí)煨?集成證據(jù)提高目標(biāo)識別性能的方法研究[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2005年03期

5 李彥鵬,黎湘,莊釗文;一種應(yīng)用模糊聚類分析的目標(biāo)識別效果評估方法[J];電子對抗技術(shù);2005年03期

6 蓋明久;呂世良;時寶;;一種概率更新方法及在目標(biāo)識別中的應(yīng)用[J];海軍航空工程學(xué)院學(xué)報;2006年05期

7 張平定;王海軍;王睿;;一種基于聚類思想的目標(biāo)識別新方法[J];空軍工程大學(xué)學(xué)報(自然科學(xué)版);2006年02期

8 賈宇平;付耀文;黎湘;莊釗文;;灰局勢決策方法在決策層融合目標(biāo)識別中的應(yīng)用[J];信號處理;2007年04期

9 李靜;黃崢;;靜態(tài)傅里葉干涉具在目標(biāo)識別中的應(yīng)用研究[J];光譜學(xué)與光譜分析;2009年08期

10 黃瑤;熊和金;;目標(biāo)識別的灰關(guān)聯(lián)方法研究[J];湖南農(nóng)業(yè)大學(xué)學(xué)報(自然科學(xué)版);2009年S1期

相關(guān)會議論文 前10條

1 王宇;鐘秋海;;用統(tǒng)計模式識別方法建立海上目標(biāo)識別的數(shù)學(xué)模型[A];1995中國控制與決策學(xué)術(shù)年會論文集[C];1995年

2 鄭援;胡成軍;;基于數(shù)據(jù)融合的魚雷目標(biāo)識別[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

3 李夕海;趙克;慕曉冬;劉代志;;目標(biāo)識別中的特征相空間吸引子分析[A];第十屆全國信號處理學(xué)術(shù)年會（CCSP-2001）論文集[C];2001年

4 馮杰;蓋強;古軍峰;;模糊聚類分析方法在海上目標(biāo)識別中的應(yīng)用[A];第二屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2004年

5 趙克;劉代志;慕曉東;蘇娟;;目標(biāo)識別的特征量約束[A];第九屆全國信號處理學(xué)術(shù)年會（CCSP-99）論文集[C];1999年

6 李正東;陳興無;宋琛;何武良;;多傳感器的目標(biāo)識別[A];中國工程物理研究院科技年報（1999）[C];1999年

7 郭相科;劉進忙;曹學(xué)斌;張玉鵬;;子類獨立分量分析在聲目標(biāo)識別中的應(yīng)用[A];中國聲學(xué)學(xué)會2007年青年學(xué)術(shù)會議論文集（上）[C];2007年

8 張翠;高廣春;趙勝穎;;基于時間融合算法的近程目標(biāo)識別[A];2011下一代自動測試系統(tǒng)學(xué)術(shù)研討會論文集[C];2011年

9 俞鴻波;趙榮椿;;三維空間目標(biāo)識別概述[A];信號與信息處理技術(shù)——第一屆信號與信息處理聯(lián)合學(xué)術(shù)會議論文集[C];2002年

10 曹健;陳紅倩;毛典輝;李海生;蔡強;;基于局部特征的圖像目標(biāo)識別問題綜述[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

相關(guān)重要報紙文章 前2條

1 莫衍崴 特約記者劉謙;上士白光斌:電話傳音排故障[N];戰(zhàn)士報;2012年

2 陳德潮邋本報特約通訊員 曹金平 劉劍;為潛艇鑄“魂”[N];解放軍報;2008年

相關(guān)博士學(xué)位論文 前10條

1 肖永生;射頻隱身雷達信號設(shè)計與目標(biāo)識別研究[D];南京航空航天大學(xué);2014年

2 崔宗勇;合成孔徑雷達目標(biāo)識別理論與關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2015年

3 丁軍;基于稀疏理論的SAR圖像目標(biāo)識別研究[D];西安電子科技大學(xué);2015年

4 韓靜;基于仿生視覺模型和復(fù)雜信息學(xué)習(xí)的多光譜夜視目標(biāo)識別技術(shù)[D];南京理工大學(xué);2014年

5 王海羅;基于視覺感知的無人機目標(biāo)識別與跟蹤技術(shù)研究[D];北京理工大學(xué);2015年

6 黃璇;多源引導(dǎo)信息融合及其關(guān)鍵技術(shù)研究[D];中國科學(xué)院研究生院(長春光學(xué)精密機械與物理研究所);2016年

7 寧宣杰;基于空防雷達網(wǎng)絡(luò)的多傳感器信息融合關(guān)鍵技術(shù)研究及其應(yīng)用[D];東北大學(xué);2014年

8 舒銳;衛(wèi)星目標(biāo)識別與特征參數(shù)提取方法研究[D];哈爾濱工業(yè)大學(xué);2010年

9 張池平;多傳感器信息融合方法及其在空間目標(biāo)識別中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2006年

10 李彥鵬;自動目標(biāo)識別效果評估[D];國防科學(xué)技術(shù)大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

1 許俊峰;基于模型的任意視點下三維目標(biāo)識別研究[D];南京航空航天大學(xué);2015年

2 李建;毫米波輻射計目標(biāo)識別性能測試系統(tǒng)研究[D];南京理工大學(xué);2015年

3 陳晨;紅外/毫米波復(fù)合信號處理方法及電路設(shè)計[D];南京理工大學(xué);2015年

4 王玉君;基于遠紅外熱像儀的地面機動目標(biāo)識別[D];沈陽理工大學(xué);2015年

5 姚國偉;基于高分辨距離像的艦船目標(biāo)識別研究[D];哈爾濱工業(yè)大學(xué);2015年

6 周偉峰;基于神經(jīng)網(wǎng)絡(luò)的單目機器人目標(biāo)識別定位研究[D];安徽工程大學(xué);2015年

7 譚敏潔;基于壓縮感知的雷達一維距離像目標(biāo)識別[D];電子科技大學(xué);2015年

8 王翔;基于局部神經(jīng)反應(yīng)的目標(biāo)識別研究[D];華中師范大學(xué);2015年

9 劉巍;基于非均勻采樣圖像的目標(biāo)識別與跟蹤算法研究[D];北京理工大學(xué);2015年

10 田兵兵;基于核函數(shù)的SAR圖像目標(biāo)識別研究[D];電子科技大學(xué);2015年

，

本文編號：2340327